本文以VHS视频的智能修复为背景,研究在无参考以及复杂噪声背景下关于视频的去噪、污损点修描以及纹理生成等课题。首先,本文针对待修复视频无高清参考样本以及噪声分布复杂这一情况,提出了基于帧间回归网络的视频盲去噪模型,通过挖掘退化视频中时序上的先验信息,实现了直接通过退化视频本身优化网络,完成盲去噪和污损点修描的任务。其次,针对复原过程中由于视频前后帧画面运动偏移产生的模糊现象,本文提出了如下解决方案:1.通过帧间特征融合模型来处理帧间偏移;2.采取基于区域匹配的帧间对齐算法,在低信噪比以及污损严重的情况下完成对前后帧画面的对齐,最终消除了运动模糊现象。针对上述匹配算法时间复杂度高这一难点,本文通过矩阵操作及卷积等运算对其进行转化并部署到并行计算平台上,高效完成了匹配工作。实验证明,算法在无参考样本的情况下,对现实情况下的噪声有较好地消除作用,算法效率也有进一步提升。最后,针对原始VHS视频中因纹理细节丢失而造成的模糊问题,本文通过引入对抗损失以及感知损失构造了纹理生成模型。其中采取了相对判别器以及梯度惩罚措施,使生成对抗的训练过程更加稳定;采用包含语义信息的感知损失生成更加真实的纹理。实验证明,修复后视频画面质量有明显的提高。